[发明专利]一种不同尺度空间特征寻找方法

说明书

本发明公开了一种不同尺度空间特征寻找方法，涉及图像检测方法，包括基础SIFT算法，还包括在SIFT算法基础上的变换，具体包括以下步骤：S1，尺度空间极值检测，搜索所有尺度上的图像位置；S2，利用高斯微分函数筛选识别兴趣点；S3，确定图像局部的梯度方向；S4，关键点描述。S1采用高斯模糊进行尺度空间变换。本发明能够有效检测出一些十分突出，不会因光照，仿射变换和噪音等因素而变化的点，有效计算出特征方向，提高图像检测的精度。

技术领域

本发明涉及一种图像检测方法，具体涉及一种不同尺度空间特征寻找方法。

背景技术

尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由David Lowe在1999年所发表，2004年完善总结。但目前还没有具体的实现和具体策略。

发明内容

本发明所要解决的技术问题是在不同的尺度空间上查找特征点，并计算出关键点的方向，目的在于提供一种不同尺度空间特征寻找方法，解决上述问题。

一种不同尺度空间特征寻找方法，包括基础SIFT算法，还包括在SIFT算法基础上的变换，具体包括以下步骤：S1，尺度空间极值检测，搜索所有尺度上的图像位置；S2，利用高斯微分函数筛选识别兴趣点；S3，确定图像局部的梯度方向；S4，关键点描述。S1，尺度空间极值检测：搜索所有尺度上的图像位置。通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。S2，关键点定位：在每个候选的位置上，通过一个拟合精细的模型来确定位置和尺度。关键点的选择依据于它们的稳定程度。S3，方向确定：基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换，从而提供对于这些变换的不变性。S4,关键点描述：在每个关键点周围的邻域内，在选定的尺度上测量图像局部的梯度。这些梯度被变换成一种表示，这种表示允许比较大的局部形状的变形和光照变化。

进一步地，S1采用高斯模糊进行尺度空间变换。

本发明与现有技术相比，具有如下的优点和有益效果：

本发明一种不同尺度空间特征寻找方法，能够有效检测出一些十分突出，不会因光照，仿射变换和噪音等因素而变化的点，有效计算出特征方向，提高图像检测的精度。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

本发明一种不同尺度空间特征寻找方法，包括基础SIFT算法，还包括在SIFT算法基础上的变换，具体包括以下步骤：S1，尺度空间极值检测，搜索所有尺度上的图像位置；S2，利用高斯微分函数筛选识别兴趣点；S3，确定图像局部的梯度方向；S4，关键点描述。S1，尺度空间极值检测：搜索所有尺度上的图像位置。通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。S2，关键点定位：在每个候选的位置上，通过一个拟合精细的模型来确定位置和尺度。关键点的选择依据于它们的稳定程度。S3，方向确定：基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换，从而提供对于这些变换的不变性。S4,关键点描述：在每个关键点周围的邻域内，在选定的尺度上测量图像局部的梯度。这些梯度被变换成一种表示，这种表示允许比较大的局部形状的变形和光照变化。

S1采用高斯模糊进行尺度空间变换。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。